人工智能在车联网信息安全的应用

2016年3月，AlphaGo与李世石的围棋大战引起人们强烈关注，并再次对人工智能展开热烈讨论。早在1956年达特茅斯会议上，人工智能（Artificial Intelli‐gence）这一概念就被明确提出，虽然 60多年来，学术界对此有着不同的说法和定义，但从其本质来讲，人工智能是指能够模拟人类智能活动的智能机器或智能系统，研究领域涉及非常广泛，从数据挖掘、智能识别到机器学习、人工智能平台等，其中许多技术已经应用到经济生活之中。

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或着人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维）等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。人工智能目前在计算机领域内，得到了愈加广泛的重视,并在机器人、经济政治决策、控制系统、仿真系统中得到了广泛的应用。

1、人工智能的发展

20世纪中叶，以英国数学家图灵为代表的一代科学家为人工智能学科的诞生提供了理论基础和实验工具。1956年，达特茅斯会议标志着人工智能学科的正式诞生，以冯·诺依曼、图灵为首的科学家试图通过符号化编程实现人工智能。20世纪60年代以来，人工智能研究随着技术水平的发展，在瓶颈与突破中曲折前进。20世纪末，由于硬件能力不足、算法缺陷等原因，人工智能技术陷入发展低迷期。而进入 21世纪以来，大数据、云计算等信息技术给人工智能发展带来了新机遇，成本低廉的大规模并行计算、大数据、深度学习算法、人脑芯片四大催化剂引领人工智能的发展出现上行趋势，同时人工智能的发展也给新一代信息技术与工业各领域渗透融合提供了新的动力。

各国高科技企业普遍将人工智能视为下一代产业革命和互联网革命的技术引爆点，并且注入大量资金以加快其产业化进程。其中IBM、谷歌、Facebook、微软、苹果、Amazon 等国际IT巨头最具影响力。IBM公司近年建立了认知计算系统Watson，旨在借其衍生出巨大的智能顾问市场。同时，IBM正在研究一种新型仿生芯片，实现电脑模仿人脑运算的过程。谷歌在2013年完成对8家机器人相关企业的收购工作，并在机器学习方面大量搜罗企业与人才。自2015年3月起，谷歌先后宣布在医药研发、无人驾驶汽车、血糖实时监测隐形眼镜、即时翻译摄像头、聊天机器人等方面取得显著成果，同时计划将人工智能研发成果与其搜索引擎、广告、视频网站和电子商务等核心业务结合起来。Facebook在人工智能领域的布局主要围绕其用户的社交关系和社交信息展开，并采用全球领先的图像识别技术和自然语言处理技术。2013年Facebook成立人工智能实验室，于2016年4月发布了能够向盲人描述图像的图像识别系统。同时，将“社交虚拟现实”作为一项核心业务，投入了数百位顶级工程师。微软着力于Cortana智能助理系统的开发，在2015年还展示Skype语言转换系统。另外，苹果的Sir智能助理、Amazon的机器人飞行器等项目对人工智能的发展都产生了巨大影响。

2、人工智能技术特点与优势

将人工智能应用到网络安全管理领域可以提高工作效率，相较于传统的网络安全技术，不论是从速度，效率以及可操作性都显著提高，其具有以下特点：

（1）具有处理模糊信息能力

人工智能技术具有处理未知问题的能力。人工智能技术一般采用模糊逻辑的推理方式，不用非常准确的描述数据模型。网络中存在大量不确定也不可知的模糊信息，处理这些信息比较困难。在计算机网络安全管理中应用人工智能技术，可以提高处理信息的能力。

（2）具备学习能力和非线性处理能力

人工智能不同于传统的网络安全处理模式，它最大的特点是它具有一定的学习能力，这一点的优势在处理信息时表现得尤为明显，因为网络中的信息量往往是庞大的，但是许多信息都是简单的，及其容易理解，却可能有有效信息，想要从海量的信息中挖掘出有效的信息，首先要做的就是学习，推理这些简单的信息，人工智能的优势就在于这里。

（3）计算成本低、效率高

传统网络安全技术消耗的能源量惊人，人工智能在这一方面则有很大的改善，它对于能源消耗速率特别低。因为人工智能采用的是新的算法，即控制算法。这种算法可以利用最优解可以一次性完成计算任务，有效减少资源消耗力度，实现绿色节能。另外，使用这种方法可以保证网络技术的高速性。

3、人工智能在车联网信息安全中的应用

车联网是由行驶在交通道路上的具备感知和无线通信能力的移动车辆和位于路边的基础通信单元共同组成的新型自组织网络。道路上快速移动的车辆之间通过无线短距离通信彼此交换信息，我们将这种通信模式称为车一车V2V（Vehicle-to-Vehicle）通信。车辆也可以与位于路边的基础通信单元（以下统一简称为路边单元RSU，RoadSide Units）直接建立连接，常见的路边单元有位于道路两旁或者十字路口的基站、热点等，这类静态的通信节点常被部署在路灯、交通标志和红绿灯等基础设施上面，我们将此种通信方式定义为车路通信V2R(Vehicle-to-RoadSide Unit，V2R)。

车联网本质上是传统移动自组织网络MANET（Mobile Ad-hoc NetWork，MANET）的一种特殊表现形式，因此除了具备MANET网络的特点以外车联网还具备一些其独特的特征：

（1）组网灵活，网络规模变化空间较大。只要位于彼此通信范围，车联网中的任意两个移动车辆均可以随时自组织地建立无线通信链接。同时组网的规模受道路上的车流分布影响较大，车辆稀疏时很容易出现通信孤岛，车流分布均勾时，网络规模可以覆盖整条道路。

（2）V2V和V2R两种通信模式共存。通过V2V通信，相邻车辆之间可以实现短距离的交通信息共享。车辆通过与路边的基础通信单元建立链接，除了实现交通信息更长距离的分发以外，还可以享受更加丰富的互联网服务。另外，在很多MAC协议的设计中，路边单元还可以担任移动车辆访问无线信道的协调者。

（3）通信节点移动速度快而且运动轨迹可预测。由于车联网中的通信节点附着在高速移动的车辆上，所以通信节点的位置跟随移动车辆快速变化。但是与网络中节点的随机运动模型不同，车辆的运动轨迹受道路拓扑结构限制，因此车联网中通信节点的运动轨迹是可以预测的。

（4）网络的拓扑与连通性随着车辆的移动变化迅速。车联网中无线通信允许的最大范围是1000米，而车间距离会随着车辆位置的高速移动迅速变化，以180km/h速度相背而行的两车无线通信的连通时间也仅能持续10秒钟，因此相比传统的网络，车联网的网络连通性和拓扑结构变化更加迅速。

（5）无线信道的通信质量更加不稳定。车与车之间是通过无线电波传输数据的，移动车辆周围复杂多变的交通环境会对无线电波传输产生不可忽略的干扰。尤其是城市环境下密集的高层建筑会加重信号的多径效应和阴影效应，同时由车辆之间相对的高速运动诱发的无线电波多普勒效应也会严重影响到无线通信质量。

（6）通信节点具有更强的感知和信息获取能力。由于汽车本身装载了很多具有不同感知能力的传感器和GPS定位导航系统，车辆可以实时的获取自身的各种运动状态信息和位置信息。同时GPS还可为车辆提供统一的时钟同步功能，使车联网中的节点具备更强的信息感知能力。

由于车联网具有以上的特性，人工智能在车联网安全中可以有效的评估风险。在对信息安全风险评估的过程中，往往会需要定性或者定量的分析手段。信息安全风险要素的量化相当困难，另外定量分析用的历史数据也相当缺乏，这就致使在复杂的信息风险评估过程中，需要采用定性的量化方法，例如运用层次分析方法进行评估。不同类别的风险评估，需要根据模型中的指标数量以及指标之间的关联程度，从而选择适合的智能方法。智能算法弥补解决了传统分析法在评估风险时，依赖评估者的主观判断。很多的智能算法例如贝叶斯网络、遗传算法、模糊综合评判等，或者几种方法结合起来，广泛应用与信息安全风险评估中。

层次分析法。层次分析法是通过对风险建立层次结构达到对风险的评估，评估过程主要依照评价者主观思想。其过程主要是基于对各个原始指标重要性的主观排序，经过一系列矩阵运算给每个原始变量确定一个权数。根据以往的经验和文献可以得出，层次分析法不能够做到完全令人信服，达不到预期的效果，其所依据的定性成分太多。并且，层次分析法只适合在指标数数量有限的情况下运用，如果指标数过多，数据统计量大，层次分析法就无法明确其特征值和特征向量的精确求法。

模糊综合评定法。模糊综合评定是运用模糊逻辑和熵理论对风险进行评估，主要是在对信息系统评价的前提下，通过对风险进行分类组合信息系统，以达到对信息安全风险的紧迫性认识的提升。相比较层次分析法，模糊综合评判法更能够专业客观的评估风险。

多层次模糊综合评定法。由于信息系统的复杂性质，需要考虑的因素很多，而且每个因素之间的联系具有层次性， 所以需要采用分层逐级评判的方法，也就是多层次模糊综合评定法。 在风险的评估过程中，通过采用多层次模糊综合评定法，能够有效的解决在评估过程中，定性指标以及定量评估的困难之处。同时，多层次模糊综合评定法还能够科学准确的评定出信息的安全风险级别以及风险程度，这有利于加强对信息安全风险的危害性认识，从而在减少风险、控制风险以及转变风险的过程中做出正确及时的措施。

通过以上三种评估方法，能够有效的评估车联网中的安全风险，及时地发出警告指示，防止严重后果的发生。人工智能技术在信息安全风险评估中发挥着巨大的作用，扮演着越来越重要的角色，合理运用人工智能技术，能够保证风险发生的最小化，掌握这种技术是时代发展的趋势。